CN111292276A - 图像处理方法和装置 - Google Patents

图像处理方法和装置 Download PDF

Info

Publication number
CN111292276A
CN111292276A CN201811497919.0A CN201811497919A CN111292276A CN 111292276 A CN111292276 A CN 111292276A CN 201811497919 A CN201811497919 A CN 201811497919A CN 111292276 A CN111292276 A CN 111292276A
Authority
CN
China
Prior art keywords
image
target object
image processing
parameters
acquiring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811497919.0A
Other languages
English (en)
Other versions
CN111292276B (zh
Inventor
刘高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201811497919.0A priority Critical patent/CN111292276B/zh
Publication of CN111292276A publication Critical patent/CN111292276A/zh
Application granted granted Critical
Publication of CN111292276B publication Critical patent/CN111292276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30196Human being; Person
    • G06T2207/30201Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括:接收图像处理配置指令,根据所述配置指令配置图像处理的参数;获取第一图像;从所述第一图像中分割第一目标对象;获取第二图像;根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。本公开实施例通过配置图像处理参数,将第一图像中的对象混合到第二图像上,解决了现有技术中将一个图像的中的对象添加到其他图像上时制作和修改不灵活的技术问题。

Description

图像处理方法和装置
技术领域
本公开涉及图像处理领域,尤其涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机技术的发展,智能终端的应用范围得到了广泛的提高,例如可以通过智能终端听音乐、玩游戏、上网聊天和拍照等。对于智能终端的拍照技术来说,其拍照像素已经达到千万像素以上,具有较高的清晰度和媲美专业相机的拍照效果。
目前在采用智能终端进行拍照时,不仅可以使用出厂时内置的拍照软件实现传统功能的拍照效果,还可以通过从网络端下载应用程序(Application,简称为:APP)来实现具有附加功能的拍照效果,例如可以实现暗光检测、美颜相机和超级像素等功能的APP。通过组合各种基本的图像处理可以形成各种特效效果,比如美颜、滤镜、大眼瘦脸等等。
现有的图像特效,一般是使用特效资源对图像做处理,如在视频图像上加上贴图、面具等,如果需要将视频图像上的对象添加到其他图像上,则需要通过制作所述对象的贴图并添加到其他图像上,但是此时对象为一个固定的图片,且制作和修改很不灵活。
发明内容
第一方面,本公开实施例提供一种图像处理方法,包括:接收图像处理配置指令,根据所述配置指令配置图像处理的参数;获取第一图像;从所述第一图像中分割第一目标对象;获取第二图像;根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
进一步的,所述接收图像处理配置指令,根据所述配置指令配置图像处理的参数,包括:接收图像处理配置指令,根据所述配置指令配置第一目标对象的类型、第一目标对象的图层位置、第一目标对象的缩放比例以及第一目标对象的偏移位置中的一个或多个。
进一步的,所述获取第一图像,包括:获取视频图像,将所述视频图像的当前视频图像帧作为第一图像。
进一步的,所述获取第二图像,包括:对所述视频图像中的每一个视频图像帧,获取与之对应的第二图像。
进一步的,所述图像处理方法还包括:接收批量处理指令,将所述图像处理应用于所述视频图像的所有视频帧图像上。
进一步的,所述从所述第一图像中分割第一目标对象,包括:识别所述第一图像中的第一目标对象;根据所述第一目标对象的外轮廓,将所述第一目标对象之外的图像设置为透明。
进一步的,所述从所述第一图像中分割第一目标对象,包括:识别所述第一图像中的第一目标对象;获取第一模板图像,所述第一模板图像包括透明区域和不透明区域;使所述透明区域与所述第一目标对象重叠,分割出第一目标对象。
进一步的,所述获取第二图像,包括:获取第二模板图,所述第二模板图中包括第二目标对象以及第一位置。
进一步的,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;根据所述图像处理的参数中的第二参数将所述预处理之后的第一目标对象与多所述第二图像混合,生成处理后的图像。
进一步的,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;根据所述图像处理的参数中的第二参数和所述第一位置确定第一目标对象与第二目标对象的位置关系;根据所述位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像。
第二方面,本公开实施例提供一种图像处理装置,包括:
配置模块,用于接收图像处理配置指令,根据所述配置指令配置图像处理的参数;
第一图像获取模块,用于获取第一图像;
对象分割模块,用于从所述第一图像中分割第一目标对象;
第二图像获取模块,用于获取第二图像;
图像混合模块,用于根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
进一步的,所述配置模块,还用于:接收图像处理配置指令,根据所述配置指令配置第一目标对象的类型、第一目标对象的图层位置、第一目标对象的缩放比例以及第一目标对象的偏移位置中的一个或多个。
进一步的,所述第一图像获取模块,还用于:
获取视频图像,将所述视频图像的当前视频图像帧作为第一图像。
进一步的,所述第二图像获取模块,还用于:
对所述视频图像中的每一个视频图像帧,获取与之对应的第二图像。
进一步的,所述图像处理装置,还包括:
批量处理模块,用于接收批量处理指令,将所述图像处理应用于所述视频图像的所有视频帧图像上。
进一步的,所述对象分割模块,还包括:
第一对象识别模块,用于识别所述第一图像中的第一目标对象;
透明设置模块,用于根据所述第一目标对象的外轮廓,将所述第一目标对象之外的图像设置为透明。
进一步的,所述对象分割模块,还包括:
第二对象识别模块,用于识别所述第一图像中的第一目标对象;
第一模块图像获取模块,用于获取第一模板图像,所述第一模板图像包括透明区域和不透明区域;
第一对象分割模块,用于使所述透明区域与所述第一目标对象重叠,分割出第一目标对象。
进一步的,所述第二图像获取模块,还用于:
获取第二模板图,所述第二模板图中包括第二目标对象以及第一位置。
进一步的,所述图像混合模块,还用于:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数将所述预处理之后的第一目标对象与多所述第二图像混合,生成处理后的图像。
进一步的,所述图像混合模块,还用于:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数和所述第一位置确定第一目标对象与第二目标对象的位置关系;
根据所述位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像。第三方面,本公开实施例提供一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面中的任一所述图像处理方法。
第四方面,本公开实施例提供一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述第一方面中的任一所述图像处理方法。
本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括:接收图像处理配置指令,根据所述配置指令配置图像处理的参数;获取第一图像;从所述第一图像中分割第一目标对象;获取第二图像;根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。本公开实施例通过配置图像处理参数,将第一图像中的对象混合到第二图像上,解决了现有技术中将一个图像的中的对象添加到其他图像上时制作和修改不灵活的技术问题。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的图像处理方法实施例的流程图;
图2为本公开实施例提供的图像处理方法实施例中的步骤S103的一个实施例的流程图;
图3为本公开实施例提供的图像处理方法实施例进行图像处理的实例示意图;
图4为本公开实施例提供的图像处理装置的实施例的结构示意图;
图5为本公开实施例提供的图像处理装置的实施例中的对象分割模块的一个实施例的结构示意图;
图6为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
图1为本公开实施例提供的图像处理方法实施例的流程图,本实施例提供的该图像处理方法可以由一图像处理装置来执行,该图像处理装置可以实现为软件,或者实现为软件和硬件的组合,该图像处理装置可以集成设置在图像处理系统中的某设备中,比如图像处理服务器或者图像处理终端设备中。如图1所示,该方法包括如下步骤:
步骤S101,接收图像处理配置指令,根据所述配置指令配置图像处理的参数;
在该实施例中,图像处理系统可以通过人机接口或者配置文件接收图像处理配置指令,所述的人机接口可以包括按钮、选择栏、输入栏等等,在此不再赘述。所述图像处理的参数为所述图像处理方法中的图像处理方式中所涉及的图像处理参数。
在一个实施例中,所述接收图像处理配置指令,根据所述配置指令配置图像处理的参数,包括:接收图像处理配置指令,根据所述配置指令配置第一目标对象的类型、第一目标对象的图层位置、第一目标对象的缩放比例以及第一目标对象的偏移位置中的一个或多个。
可以理解的是,上述图像处理参数仅仅是举例,不构成对本公开的限制,实际上任何图像处理参数都可以用到本公开中,在此不再赘述。
步骤S102:获取第一图像;
在该实施例中,获取第一图像可以通过图像传感器获取,所述图像传感器指可以采集图像的各种设备,典型的图像传感器为摄像机、摄像头、相机等。在该实施例中,所述图像传感器可以是终端设备上的摄像头,比如智能手机上的前置或者后置摄像头,摄像头采集的图像可以直接显示在手机的显示屏上,在该步骤中,获取图像传感器所拍摄的图像视频,用于在下一步进一步对图像进行处理。
在一个实施例中,所述获取第一图像,可以是获取当前终端设备所采集到的视频的当前图像帧,由于视频是由多个图像帧组成的,该实施例中对于图像的处理可以是对视频的图像帧进行处理。
步骤S103:从所述第一图像中分割第一目标对象;
在一个实施例中,所述从所述第一图像中分割第一目标对象,包括:识别所述第一图像中的第一目标对象;根据所述第一目标对象的外轮廓,将所述第一目标对象之外的图像设置为透明。可选的,所述第一目标对象为人脸图像,要分割出人脸图像,首先需要进行人脸检测。人脸检测是任意给定一个图像或者一组图像序列,采用一定策略对其进行搜索,以确定所有人脸的位置和区域的一个过程,从各种不同图像或图像序列中确定人脸是否存在,并确定人脸数量和空间分布的过程。通常人脸检测的方法可以分为4类:(1)基于先验知识的方法,该方法将典型的人脸形成规则库对人脸进行编码,通过面部特征之间的关系进行人脸定位;(2)特征不变方法,该方法在姿态、视角或光照条件改变的情况下找到稳定的特征,然后使用这些特征确定人脸;(3)模板匹配方法,该方法存储几种标准的人脸模式,用来分别描述整个人脸和面部特征,然后计算输入图像和存储的模式间的相互关系并用于检测;(4)基于外观的方法,该方法与模板匹配方法相反,从训练图像集中进行学习从而获得模型,并将这些模型用于检测。在此可以使用第(4)种方法中的一个实现方式来说明人脸检测的过程:首先需要提取特征完成建模,本实施例使用Haar特征作为判断人脸的关键特征,Haar特征是一种简单的矩形特征,提取速度快,一般Haar特征的计算所使用的特征模板采用简单的矩形组合由两个或多个全等的矩形组成,其中特征模板内有黑色和白色两种矩形;之后,使用AdaBoost算法从大量的Haar特征中找到起关键作用的一部分特征,并用这些特征产生有效的分类器,通过构建出的分类器可以对图像中的人脸进行检测。检测到人脸之后,可以确定人脸的外轮廓,此时将所述人脸的外轮廓之外的区域的图像设置为透明,具体的,可以将所述第一图像中,所述人脸外轮廓之外的图像区域中的像素点的RGB颜色空间中的Alpha通道的值设置为0,这样除了人脸图像之外的其他部分均为透明的,相当于将人脸图像从第一图像中抠出。
上述具体实例只是举例,不够成对本公开的限制,实际上图像的分割有很多方法,只要是能分割出第一目标对象的方法均可以应用到本公开中,在此不再赘述。所述第一目标对象也可以是任意的目标对象,不仅仅是人脸,在此不再赘述。
步骤S104:获取第二图像;
在一个实施例中,所述获取第二图像,包括:获取第二模板图,所述第二模板图中包括第二目标对象以及第一位置。在所述实施例中,所述第二模板图为一个包括了第二目标对象以及第一位置的图像。可选的,所述第二目标对象可以为一朵花的图像,第一位置可以为花心的位置,所述花心位置是为所述第一目标对象预留的位置。
在一个实施例中,所述获取第二图像,包括:对所述视频图像中的每一个视频图像帧,获取与之对应的第二图像。所述实施例对应于步骤S102中获取的第一图像为视频图像帧的情况,此时由于视频图像帧有多个,可以针对每一个视频图像帧,获取与之对应的第二图像。可选的,当所述第二图像有多个时,所述多个第二图像中的第二目标对象的形态可以不同,这样当图像帧顺序播放时,可以呈现第二目标对象的不同动作。可选的,当所述第二图像只有一个时,默认所有序列帧使用同一个第二图像。
步骤S105:根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
在一个实施例中,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;根据所述图像处理的参数中的第二参数将所述预处理之后的第一目标对象与多所述第二图像混合,生成处理后的图像。在所述实施例中,所述第一参数用于处理所述第一目标对象,改变第一目标对象的属性,可选的,第一参数可以是缩放比例参数,其用于控制所述第一目标放大或缩小的程度;所述的第二参数用于将预处理后的第一目标与第二图像进行混合,可选的,第二参数可以是第一目标对象的图层位置参数和第一目标对象的偏移位置参数,所述图层位置参数决定所述第一目标在与所述第二图像进行混合时,是位于第二图像的上边还是位于第二图像的下边,所述第一目标对象的偏移位置参数用于确定第一目标对象与第二图像混合时的位置。
在一个实施例中,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;根据所述图像处理的参数中的第二参数和所述第一位置确定第一目标对象与第二目标对象的位置关系;根据所述位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像。在所述实施例中,所述第一参数用于处理所述第一目标对象,改变第一目标对象的属性,可选的,第一参数可以是缩放比例参数,其用于控制所述第一目标放大或缩小的程度;所述的第二参数用于将预处理后的第一目标与第二目标对象进行混合,可选的,第二参数可以是第一目标对象的图层位置参数和第一目标对象的偏移位置参数,所述图层位置参数决定所述第一目标在与所述第二目标对象进行混合时,是位于第二目标对象的上边还是位于第二目标对象的下边,所述第一目标对象的偏移位置参数用于确定第一目标对象与所述第一位置的位置关系,进而确定所述第一目标对象与所述第二目标对象的位置关系。根据所述第一目标对象的图像以及与第二目标的位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像,该处理后的图像包括第一目标对象、第二目标对象以及第二图像中除了第二目标对象以外的区域的图像。在一个实施例中,所述第一位置可以用一个预定形状预定颜色的区域表示,比如一个半径为R的白色的圆,当所述偏移位置参数为0,则将所述第一目标直接混合到该圆上,当所述偏移参数为(x,y),则以该圆的圆心为原点,将所述第一目标对象混合在位置(x,y)上。
可选的,所述混合还包括边缘处理,将处理后的图像中的第二目标对象的边缘与其周围的像素点的颜色做均值处理,以平滑所述边缘的颜色。
在一个实施例中,所述图像处理方法还包括:接收批量处理指令,将所述图像处理应用于所述视频图像的所有视频帧图像上。当第一图像包括多个视频帧图像时,可以批量对每一帧图像进行所述图像处理,这样可以直接对整段视频应用上述图像处理方法。
如图2所述为上述图像处理处理方法中的步骤S103的又一实施例,在该实施例中所述步骤S103还包括:
S201:识别所述第一图像中的第一目标对象;
S202:获取第一模板图像,所述第一模板图包括透明区域和不透明区域;
S203:使所述透明区域与所述第一目标对象重叠,分割出第一目标对象。
可选的,所述第一目标对象为人脸图像,其检测方式与上一实施例中的检测方法相同,不再赘述。在所述实施例中,还获取第一模板图,所述第一模板图像包括透明区域和不透明区域,可选的,所述透明的区域可以是人脸的形状,除了所述透明区域,第一模板图像中的除了所述透明区域均为不透明区域;使所述透明区域与所述第一目标对象重叠,分割出第一目标对象,在所述实施例中,将所述人脸与所述透明区域重叠,人脸从透明区域露出来,而第一图像的其他部分被不透明的区域遮挡,相当于将所述人脸图像从第一图像中分割出来。使用上述图像分割方法,可以快速将目标对象从图像中分割出来,在不需要精确分割的场景下,比按照目标对象的轮廓分割的效率高。
如图3所述为本公开实施例的一个具体实例。如图3所示,其中的第一目标对象为人脸,第二图像为一盆演奏乐器的花,其中花的花心位置为放置人脸的位置。其中301为图像处理配置参数的配置接口,其中包括图层参数的选择框,选择之后确定人脸在上,人脸的缩放比例可以手动输入,偏移也可以手动输入;302为从第一图像中分割出来的人脸图像,303为第二图像,其中演奏乐器的花为第二目标对象,白色的圆圈为第一位置;304为混合之后的图像,将人脸混合在演奏乐器的花上的白色圆圈处。通过这样的处理,可以将实际采集到的图像混合到另外一个图像的序列帧上。
本公开公开了一种图像处理方法、装置、电子设备和计算机可读存储介质。其中该图像处理方法包括:接收图像处理配置指令,根据所述配置指令配置图像处理的参数;获取第一图像;从所述第一图像中分割第一目标对象;获取第二图像;根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。本公开实施例通过配置图像处理参数,将第一图像中的对象混合到第二图像上,解决了现有技术中将一个图像的中的对象添加到其他图像上时制作和修改不灵活的技术问题。
在上文中,虽然按照上述的顺序描述了上述方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
图4为本公开实施例提供的图像处理装置实施例的结构示意图,如图4所示,该装置400包括:配置模块401、第一图像获取模块402、对象分割模块403、第二图像获取模块404和图像混合模块405。其中,
配置模块401,用于接收图像处理配置指令,根据所述配置指令配置图像处理的参数;
第一图像获取模块402,用于获取第一图像;
对象分割模块403,用于从所述第一图像中分割第一目标对象;
第二图像获取模块404,用于获取第二图像;
图像混合模块405,用于根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
进一步的,所述配置模块401,还用于:接收图像处理配置指令,根据所述配置指令配置第一目标对象的类型、第一目标对象的图层位置、第一目标对象的缩放比例以及第一目标对象的偏移位置中的一个或多个。
进一步的,所述第一图像获取模块402,还用于:
获取视频图像,将所述视频图像的当前视频图像帧作为第一图像。
进一步的,所述第二图像获取模块404,还用于:
对所述视频图像中的每一个视频图像帧,获取与之对应的第二图像。
进一步的,所述图像处理装置400,还包括:
批量处理模块,用于接收批量处理指令,将所述图像处理应用于所述视频图像的所有视频帧图像上。
进一步的,所述对象分割模块403,还包括:
第一对象识别模块,用于识别所述第一图像中的第一目标对象;
透明设置模块,用于根据所述第一目标对象的外轮廓,将所述第一目标对象之外的图像设置为透明。
进一步的,所述第二图像获取模块404,还用于:
获取第二模板图,所述第二模板图中包括第二目标对象以及第一位置。
进一步的,所述图像混合模块405,还用于:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数将所述预处理之后的第一目标对象与多所述第二图像混合,生成处理后的图像。
进一步的,所述图像混合模块405,还用于:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数和所述第一位置确定第一目标对象与第二目标对象的位置关系;
根据所述位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像。
图4所示装置可以执行图1所示实施例的方法,本实施例未详细描述的部分,可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1所示实施例中的描述,在此不再赘述。
图5为本公开实施例提供的图像处理装置实施例中对象分割模块403的一个实施例的结构示意图,如图5所示,该模块403包括:第二对象识别模块501、第一模块图像获取模块502和第一对象分割模块503。其中,
第二对象识别模块501,用于识别所述第一图像中的第一目标对象;
第一模块图像获取模块502,用于获取第一模板图像,所述第一模板图像包括透明区域和不透明区域;
第一对象分割模块503,用于使所述透明区域与所述第一目标对象重叠,分割出第一目标对象。
图5所示模块可以执行图2所示实施例的方法,本实施例未详细描述的部分,可参考对图2所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2所示实施例中的描述,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (13)

1.一种图像处理方法,其特征在于,包括:
接收图像处理配置指令,根据所述配置指令配置图像处理的参数;
获取第一图像;
从所述第一图像中分割第一目标对象;
获取第二图像;
根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述接收图像处理配置指令,根据所述配置指令配置图像处理的参数,包括:
接收图像处理配置指令,根据所述配置指令配置第一目标对象的类型、第一目标对象的图层位置、第一目标对象的缩放比例以及第一目标对象的偏移位置中的一个或多个。
3.如权利要求1所述的图像处理方法,其特征在于,所述获取第一图像,包括:
获取视频图像,将所述视频图像的当前视频图像帧作为第一图像。
4.如权利要求3所述的图像处理方法,其特征在于,所述获取第二图像,包括:
对所述视频图像中的每一个视频图像帧,获取与之对应的第二图像。
5.如权利要求3所述的图像处理方法,其特征在于,所述图像处理方法还包括:
接收批量处理指令,将所述图像处理应用于所述视频图像的所有视频帧图像上。
6.如权利要求1所述的图像处理方法,其特征在于,所述从所述第一图像中分割第一目标对象,包括:
识别所述第一图像中的第一目标对象;
根据所述第一目标对象的外轮廓,将所述第一目标对象之外的图像设置为透明。
7.如权利要求1所述的图像处理方法,其特征在于,所述从所述第一图像中分割第一目标对象,包括:
识别所述第一图像中的第一目标对象;
获取第一模板图像,所述第一模板图像包括透明区域和不透明区域;
使所述透明区域与所述第一目标对象重叠,分割出第一目标对象。
8.如权利要求1所述的图像处理方法,其特征在于,所述获取第二图像,包括:
获取第二模板图,所述第二模板图中包括第二目标对象以及第一位置。
9.如权利要求1所述的图像处理方法,其特征在于,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数将所述预处理之后的第一目标对象与多所述第二图像混合,生成处理后的图像。
10.如权利要求8所述的图像处理方法,其特征在于,所述根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像,包括:
根据所述图像处理的参数中的第一参数,对所述第一目标对象进行预处理;
根据所述图像处理的参数中的第二参数和所述第一位置确定第一目标对象与第二目标对象的位置关系;
根据所述位置关系,将预处理之后的第一目标对象和第二目标对象混合,生成处理后的图像。
11.一种图像处理装置,其特征在于,包括:
配置模块,用于接收图像处理配置指令,根据所述配置指令配置图像处理的参数;
第一图像获取模块,用于获取第一图像;
对象分割模块,用于从所述第一图像中分割第一目标对象;
第二图像获取模块,用于获取第二图像;
图像混合模块,用于根据所述图像处理的参数,将所述第一目标对象与所述第二图像混合,生成处理后的图像。
12.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-10中任意一项所述的图像处理方法。
13.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-10中任意一项所述的图像处理方法。
CN201811497919.0A 2018-12-07 2018-12-07 图像处理方法和装置 Active CN111292276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811497919.0A CN111292276B (zh) 2018-12-07 2018-12-07 图像处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811497919.0A CN111292276B (zh) 2018-12-07 2018-12-07 图像处理方法和装置

Publications (2)

Publication Number Publication Date
CN111292276A true CN111292276A (zh) 2020-06-16
CN111292276B CN111292276B (zh) 2021-06-22

Family

ID=71021732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811497919.0A Active CN111292276B (zh) 2018-12-07 2018-12-07 图像处理方法和装置

Country Status (1)

Country Link
CN (1) CN111292276B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160365A (zh) * 2021-02-04 2021-07-23 脸萌有限公司 图像处理方法、装置、设备和计算机可读存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156935A (zh) * 2013-05-14 2014-11-19 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN104778736A (zh) * 2015-04-03 2015-07-15 北京航空航天大学 单视频内容驱动的服装三维动画生成方法
CN106023288A (zh) * 2016-05-18 2016-10-12 浙江大学 一种基于图像的动态替身构造方法
CN106803909A (zh) * 2017-02-21 2017-06-06 腾讯科技(深圳)有限公司 一种视频文件的生成方法及终端
CN107509045A (zh) * 2017-09-11 2017-12-22 广东欧珀移动通信有限公司 图像处理方法和装置、电子装置和计算机可读存储介质
US20180032846A1 (en) * 2016-08-01 2018-02-01 Nvidia Corporation Fusing multilayer and multimodal deep neural networks for video classification
CN107705248A (zh) * 2017-10-31 2018-02-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN107766803A (zh) * 2017-09-29 2018-03-06 北京奇虎科技有限公司 基于场景分割的视频人物装扮方法、装置及计算设备
CN107801083A (zh) * 2016-09-06 2018-03-13 星播网(深圳)信息有限公司 一种基于三维虚拟技术的网络实时互动直播方法及装置
CN107818305A (zh) * 2017-10-31 2018-03-20 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN108322644A (zh) * 2018-01-18 2018-07-24 努比亚技术有限公司 一种图像处理方法、移动终端以及计算机可读存储介质
CN108573514A (zh) * 2018-04-16 2018-09-25 北京市神经外科研究所 一种图像的三维融合方法及装置、计算机存储介质
CN108805859A (zh) * 2018-04-20 2018-11-13 深圳博脑医疗科技有限公司 一种图像检测方法、图像检测装置及终端设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156935A (zh) * 2013-05-14 2014-11-19 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN104778736A (zh) * 2015-04-03 2015-07-15 北京航空航天大学 单视频内容驱动的服装三维动画生成方法
CN106023288A (zh) * 2016-05-18 2016-10-12 浙江大学 一种基于图像的动态替身构造方法
US20180032846A1 (en) * 2016-08-01 2018-02-01 Nvidia Corporation Fusing multilayer and multimodal deep neural networks for video classification
CN107801083A (zh) * 2016-09-06 2018-03-13 星播网(深圳)信息有限公司 一种基于三维虚拟技术的网络实时互动直播方法及装置
CN106803909A (zh) * 2017-02-21 2017-06-06 腾讯科技(深圳)有限公司 一种视频文件的生成方法及终端
CN107509045A (zh) * 2017-09-11 2017-12-22 广东欧珀移动通信有限公司 图像处理方法和装置、电子装置和计算机可读存储介质
CN107766803A (zh) * 2017-09-29 2018-03-06 北京奇虎科技有限公司 基于场景分割的视频人物装扮方法、装置及计算设备
CN107705248A (zh) * 2017-10-31 2018-02-16 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN107818305A (zh) * 2017-10-31 2018-03-20 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN108322644A (zh) * 2018-01-18 2018-07-24 努比亚技术有限公司 一种图像处理方法、移动终端以及计算机可读存储介质
CN108573514A (zh) * 2018-04-16 2018-09-25 北京市神经外科研究所 一种图像的三维融合方法及装置、计算机存储介质
CN108805859A (zh) * 2018-04-20 2018-11-13 深圳博脑医疗科技有限公司 一种图像检测方法、图像检测装置及终端设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
R. RAGHAVENDRA: ""A novel image fusion scheme for robust multiple face recognition with light-field camera"", 《PROCEEDINGS OF THE 16TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION》 *
阮文: ""图层混合模式在数码图像处理中的应用原理与实践"", 《软件》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160365A (zh) * 2021-02-04 2021-07-23 脸萌有限公司 图像处理方法、装置、设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN111292276B (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110069974B (zh) 高光图像处理方法、装置和电子设备
CN110072047B (zh) 图像形变的控制方法、装置和硬件装置
CN110070551B (zh) 视频图像的渲染方法、装置和电子设备
CN110084154B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110070495B (zh) 图像的处理方法、装置和电子设备
US20220101645A1 (en) Method and device for processing image having animal face
CN115311178A (zh) 图像拼接方法、装置、设备及介质
CN113706440A (zh) 图像处理方法、装置、计算机设备及存储介质
CN109981989B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN112906553B (zh) 图像处理方法、装置、设备及介质
CN111292276B (zh) 图像处理方法和装置
CN111292247A (zh) 图像处理方法和装置
CN110047126B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN111292227A (zh) 图像处理方法和装置
US11810336B2 (en) Object display method and apparatus, electronic device, and computer readable storage medium
CN111507139A (zh) 图像效果生成方法、装置和电子设备
CN111507142A (zh) 人脸表情图像处理方法、装置和电子设备
CN111223105B (zh) 图像处理方法和装置
CN111200705B (zh) 图像处理方法和装置
CN110097622B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN111353929A (zh) 图像处理方法、装置和电子设备
CN111507143B (zh) 表情图像效果生成方法、装置和电子设备
CN111489769B (zh) 图像处理方法、装置和硬件装置
CN111292245A (zh) 图像处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.

CP01 Change in the name or title of a patent holder